♥ 3
⚡ 0
AIOps: IA para Operaciones de TI · Lección 27

¿Por qué la calidad y cantidad de datos históricos de incidentes disponibles afecta directamente qué tan efectivo puede ser un modelo de AIOps entrenado sobre esos datos para tareas como detección de anomalías o RCA?

Un modelo entrenado con pocos datos históricos o con datos de baja calidad (mal etiquetados o incompletos) tendrá una base mucho más limitada de patrones aprendidos, resultando en predicciones o correlaciones menos confiables que un modelo entrenado con un historial rico y bien documentado
La calidad y cantidad de datos históricos de incidentes no tiene absolutamente ninguna relación real con la efectividad del modelo de AIOps entrenado sobre ellos
Solo es relevante esta consideración si la organización tiene exactamente un único incidente histórico en total registrado
Un modelo de AIOps siempre funciona exactamente igual de bien sin importar la cantidad o calidad real de los datos históricos usados para entrenarlo
AIOps: IA para Operaciones de TI · Lección 27

Completa el código

Un modelo entrenado con datos de baja calidad tendrá una base más limitada de patrones
AIOps: IA para Operaciones de TI · Lección 27

¿Por qué una organización que apenas empieza a implementar AIOps, sin un historial rico de incidentes bien documentados previamente, podría obtener resultados menos precisos al inicio que una organización con años de datos de incidentes cuidadosamente registrados?

✓

¡Lección completada!

Entrenar modelos de AIOps con datos históricos de incidentes

0
XP ganado
3
Vidas restantes